 |
고려 사항도 따릅니다. 지속적인 연구와 발전을 통해 제너레이티브 AI의 미래는 다양한 영역에 혜택을 주고 인간과 컴퓨터의 상호 작용을 개선할 수 있는 보다 지능적이고 상황에 맞는 인식 시스템을 만들 수 있는 가능성을 제시합니다.
|
|
 |
1.출신 학과에서의 수학 소감, 흥미 있었던 과목 및 재학 중 연구 활동
제가 컴퓨터공학과에서 수학한 지난 몇 년은 끊임없는 학문적 탐구와 성장을 이루어낸 값진 시간들이었습니다. 대학에 입학하면서 처음 배운 컴퓨터 구조나 알고리즘 과
|
|
 |
을 다루는 다양한 연구를 이어가고, 후학들을 양성하는 데에도 기여할 것입니다. 또한, 학술지에 논문을 발표하고, 국내외 학술대회에 참여하여 AI 연구의 최신 동향을 공유하고 싶습니다.
2) 산업계 진출
또한, 졸업 후에는 산업계에서 AI 기술
|
|
 |
데이터를 활용한 이슈 분류 모델’을 개발한 경험이 있습니다. 해당 프로젝트는 Python과 Scikit-learn 기반으로 TF-IDF 벡터화 기법과 SVM 알고리즘을 활용하였으며, 80% 이상의 분류 정확도를 달성하였습니다. 이 과정을 통해 데이터를 전처리하고,
|
|
 |
타 분야와의 연결고리를 고민해왔고, 이러한 다학제적 관점은 향후 인간 중심 AI 설계에 있어 강점으로 작용할 수 있다고 생각하고 있는 바입니다.
추가로 한가지 더, 학부 연구생으로 참여했던 프로젝트에서 실제 의료 데이터를 기반으로 한
|
|
 |
그룹에서 발표와 토론을 주도하며, 단순히 주어진 연구 과제를 수행하는 데 그치지 않고 스스로 문제를 정의하고 새로운 연구 질문을 만들어내는 연구자로 성장하고 싶은 포부가 있는 바입니다.
좀 더 장기적인 플랜로는 포스텍 대학원에서
|
|
 |
NIST’s AI graduate program, combined with its world-class faculty and cutting-edge research facilities, makes it the ideal environment for me to grow as an AI researcher. I am particularly excited by the prospect of conducting research in NLP, reinforcement learning, and healthcare applications of A
|
|
 |
모델을 실험하고 튜닝하는 경험을 쌓고자 합니다. 인공지능의 핵심인 '학습' 과정을 이해하고, 이를 실제 문제 해결에 어떻게 적용할 수 있는지를 실습을 통해 배울 것입니다. 또한, 저는 프로젝트 기반 학습을 통해 실제 산업 현장에서 요구
|
|
 |
단순한 이미지 분류를 넘어서, 의료영상 분석, 자율주행, 시각장애인 보조 기술 등 다양한 실생활 문제 해결에 연결될 수 있다고 생각하고 있습니다. KAIST는 인공지능 및 컴퓨터비전 분야에서 세계적인 연구 역량을 보유하고 있으며, 다양한
|
|
 |
인공지능 기술을 연구하는 연구자로 성장하고자 합니다. 특히 의료, 복지, 교육 등 데이터 편향이 발생하기 쉬운 영역에서 공정하고 투명한 AI 모델을 만드는 데 기여하고 싶습니다. 기술의 발전이 특정 계층이나 지역만을 위한 것이 아닌, 모
|
|
메뉴펼치기
